python - 迭代 numpy 数组以在字典中使用

Question

我有一个项目，我正在尝试将数据框更新为正在推出的一组新更改。目前数据框中有 15,000 个数据样本，因此运行时间很快就会成为问题。我知道使用 numpy 对数据帧进行矢量化是减少运行时间的好方法，但我的 numpy 数组和字典遇到了问题。

目标是查看 col3 中的值，将其用作 df_dict 的键，并使用该字典条目的值乘以 col2 并分配给 col1。

我已经能够使用 for 循环来做到这一点，但它遇到了严重的运行时问题 - 特别是因为涉及的步骤比我寻求帮助的步骤还要多。

d = {"col1": [1, 2, 3, 4], "col2": [1, 2, 3, 4], "col3": ["a","b","c","d"]}
df = pd.DataFrame(data=d)
df_dict = {"a":1.2,"b":1.5,"c":0.95,"d":1.25}

df["col1"]=df["col2"].values*df_dict[df["col3"].values]

我希望将 col1 更新为 [1.2, 3, 2.85, 5]，但我收到了错误 类型错误:不可散列的类型:'numpy.ndarray'

我明白为什么会发生错误，我只是想找到最好的替代方案。

Answer 1

看起来你需要。

d = {"col1": [1, 2, 3, 4], "col2": [1, 2, 3, 4], "col3": ["a","b","c","d"]}
df = pd.DataFrame(data=d)
df_dict = {"a":1.2,"b":1.5,"c":0.95,"d":1.25}

df["col1"]=df["col2"]* [df_dict.get(i, 1) for i in df["col3"]]
print(df)

输出:

   col1  col2 col3
0  1.20     1    a
1  3.00     2    b
2  2.85     3    c
3  5.00     4    d